CTFS：極めて限られたラベル向けの、先見的ソナー画像セマンティックセグメンテーションのための協調的教師フレームワーク
arXiv cs.CV / 2026/3/24
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、スペックルノイズ、低いテクスチャコントラスト、影、幾何学的歪みを抱える先見的ソナー画像向けに調整された、CTFSという協調的教師セマンティックセグメンテーションフレームワークを提案する。
- それは、1つの汎用教師と複数のソナー特化教師を用い、多教師による交互ガイダンス戦略によって、生徒が汎用的なセマンティクスとソナー特有の特徴の両方を学習できるようにする。
- 教師がノイズを含む擬似ラベルを生成してしまうことによる悪影響を低減するため、CTFSは、予測の一貫性およびビューと教師間での安定性に基づいて擬似ラベルの信頼性を推定する、教師間の信頼性評価を追加する。
- FLSMDデータセットでの実験では、ラベル付きデータがわずか2%の場合に、他の最先端手法に比べてmIoUが5.08%向上することが示され、極めて限定された教師あり学習下で大きな改善が得られることを示している。
